Documente Academic
Documente Profesional
Documente Cultură
Inteligencia Artificial
• Incompleta
• Poco confiable
• Ruido, distorsión
Conocimiento
• Impreciso
• Contradictorio
Representación
• No adecuada
• Falta de poder descriptivo
Efectos de Incertidumbre
Si pierden varias propiedades de los
sistemas que no tienen incertidumbre,
basados en lógicas o reglas, lo cual hace el
manejo de incertidumbre más complejo. Las
principales dos características que, en
general, ya no aplican son:
1. Modularidad
2. Monotonicidad
Modularidad
Un sistema de reglas es modular, ya que
para saber la verdad de una regla sólo tiene
que considerarla a ésta, sin importar el
resto del conocimiento.
• Numéricas
* Empíricas (MYCIN, Prospector)
* Métodos aproximados
* Lógica difusa
* Teoría de Dempster-Shafer
* Probabilísticas - Redes Bayesianas
Conceptos de Probabilidad
• Probabilidad Condicional
• Independencia
• Teorema de Bayes
¿Qué es probabilidad?
Definición
• Dado un experimento E y el espacio de
muestreo S, a cada evento A le asociamos
un número real P(A), el cual es la
probabilidad de A y satisface los siguientes
axiomas
A
Axiomas
• 0 <= P(A) <= 1
• P(S) = 1
• P(A ∪ B ∪ C … ) = P(A) + P(B) + P(C) + …
A, B, C … mutuamente exclusivos
Teoremas
• P (0) = 0
• P (¬A) = 1 – P(A)
• P(A ∪ B) = P(A) + P(B) – P(A ∩ B)
Probabilidad Condicional
P(A | B) = P(A ∩ B) / P(B)
B1 B3 B4
B2 A
B5
Teorema de Bayes
• Con la definición de probabilidad total, el
teorema de Bayes se puede escribir como:
Se conoce:
CF(A,Ev) = 1,
CF(C,Ev) = 0.5,
CF(F,Ev) = 0.7,
CF(I,Ev) = -0.4
Desventajas:
Como:
A esto se le llama normalización ya que 1
P(e)
se toma como una constante que permite que
los términos condicionales sumen 1.
Generalización
En general:
Para aplicar Bayes, se requiere calcular las
probabilidades condicionales P(e/hi ) para
cada combinación de evidencias (en general
no se pueden calcular de sus componentes
individuales).